MétaCan
Menu
Retour à la cohorte
Enregistrement W4391936127 · doi:10.1109/lwc.2024.3367132

Extremely Large-Scale Array System: Cooperative NFC or FFC?

2024· article· en· W4391936127 sur OpenAlexaff
Biting Zhuo, Juping Gu, Wei Duan, Lei Zhang, Miaowen Wen, Pin‐Han Ho

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésComputer scienceRelayCorrectnessNear and far fieldBase stationCommunications systemNear field communicationRayleigh fadingTopology (electrical circuits)Channel (broadcasting)TelecommunicationsAlgorithmElectrical engineeringPhysicsFadingEngineeringUltra high frequencyOptics

Résumé

récupéré en direct d'OpenAlex

Even that near-field communication (NFC) significantly improves the performance due to the unique spherical-wave channel model in electromagnetic propagation, its future application in communications is still with boundedness, which suffers from the constrained communication distance. In this letter, we investigate a cooperative relaying NFC and far-field communication (FFC) coexisting system with extremely large-scale array (XL-array), where one far user is out of Rayleigh distance from base station (BS), as well as the scenarios from BS to the near relay/user and from the near relay/user to far user are NFCs. Specifically, the closed-form and asymptotic expressions for achievable capacity are respectively derived. In addition, simulation and numerical results confirm the correctness and superiority of our proposed schemes, which show that the capacity improvement from NFC effectively compensates the performance loss from the half-duplex principle, even providing a better profit compared with FFC.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,296
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetCooperative Communication and Network CodingTravaux en français237 207